” Il est difficile de faire des prédictions, en particulier sur l’avenir » – ainsi va le dicton. Il en va de même pour la modélisation économique. Ce n’est pas seulement le point banal qu’il est difficile de faire des prédictions sur des choses incertaines, bien que vous seriez surpris de voir combien de modèles économiques sont exprimés comme déterministes, c’est-à-dire sans limites de probabilité., Pindyck fait valoir que les entrées clés sont souvent choisies arbitrairement; même le meilleur modèle crache des ordures si vous pompez des ordures . Mais je veux me concentrer sur le point un peu plus subtil que les choses les plus intéressantes quand il s’agit de faire des prédictions des décennies à venir sont celles qui sont les plus difficiles à modéliser., Le résultat est que le plus souvent, ils ne sont tout simplement pas modélisés et, par conséquent, les modèles nous en disent peu sur la façon dont l’avenir évoluera et encore moins sur les coûts et les avantages réels des politiques à long terme telles que celles visant à promouvoir les technologies renouvelables et l’utilisation efficace des ressources.
Un modèle économique est essentiellement un cadre simplifié pour décrire le fonctionnement de l’économie. Il exerce la discipline de forcer le modélisateur à articuler formellement des hypothèses et à démêler les relations derrière ces hypothèses. Les modèles sont utilisés à deux fins principales: la simulation (par exemple, comment le monde changerait-il par rapport à un contrefactuel si nous supposons un changement de telle ou telle variable) et de prévision (par exemple à quoi pourrait ressembler le monde en 2030). Les modèles économiques sont d’excellents outils pour les simulations – compte tenu de ce que nous savons sur le fonctionnement comportemental de l’économie, et en prenant ces données pour la plupart, comment l’économie pourrait-elle réagir, par exemple, à une flambée des prix de l’énergie? Mais les modèles sont beaucoup moins efficaces pour fournir des prévisions précisément, notamment parce que lorsqu’ils font des prévisions, très peu peuvent être considérés comme donnés., Plus les prévisions s’éloignent, plus les incertitudes structurelles sont grandes, ce qui rend les projections du modèle au mieux illustratives, en particulier lorsque l’on essaie de prévoir l’impact d’impulsions non marginales telles que les impacts du changement climatique ou la transformation du système énergétique mondial.
Les modèles utilisés par les ministères des finances, les banques et les banques centrales prennent la structure sous-jacente de l’économie telle qu’elle est donnée et analysent les perturbations à la marge au moyen d’équations comportementales estimées., Les modèles estimés « New keynésiens » et calculables d’équilibre général reposent sur des hypothèses de tendances à long terme prédéterminées ou de « convexité » associées à la diminution des rendements marginaux et à la diminution des produits marginaux, afin de converger vers un état stable. Parce qu’ils regardent rarement vers l’avant au-delà d’un horizon de quatre ans, de telles hypothèses simplificatrices permettent de bonnes approximations de la réalité. En fait, au Trésor, nous avons d’abord fixé les principales variables de prévision (croissance du PIB, chômage, balance commerciale, inflation, etc.), puis nous avons exécuté le modèle ., C’est en fait la norme pour les prévisions macroéconomiques – le modèle est essentiellement utilisé comme un contrôle de cohérence et non comme une source de projections. À condition que les résidus de prévision soient conformes aux modèles passés, la fixation préalable du chemin de prévision est validée car les projections sont compatibles avec le comportement estimé passé. Mais en regardant plus loin, les incertitudes augmentent et les chances que les ruptures structurelles poussent l’économie sur de nouvelles voies entraînées par de nouvelles technologies, institutions et comportements., Caractériser les variables clés, comme la sortie, comme revenir à une moyenne déterministe est pratique mais irréaliste plus vous regardez loin.
cela pose des problèmes aux prévisions économiques chargées d’examiner l’impact de grands changements transformateurs tels que la transition vers une économie mondiale économe en ressources sur des périodes plus longues. L’exigence selon laquelle un modèle tend vers un équilibre à l’état stable signifie que de nombreuses dynamiques clés sont modélisées comme des tendances vers cet équilibre, plutôt que comme des déterminants de celui-ci. Le « changement » et l’hétérogénéité sont modélisés comme des états transitoires., Pourtant, le monde réel est ce que les économistes appellent endogène-c’est-à-dire soumis à des changements systémiques qui proviennent du système. Des processus hétérogènes engendrent des boucles de rétroaction qui deviennent des caractéristiques permanentes du système, nécessitant une théorie du long terme caractérisée par de tels processus. Les facteurs économiques soumis à des économies d’échelle, le verrouillage du capital et des institutions, les irréversibilités, les nouveaux réseaux et les dépendances de chemin sont difficiles à estimer empiriquement (dans certains cas, ils ne se sont jamais produits) et encore plus difficiles à modéliser en raison de la dynamique non linéaire., Les chocs auront des effets persistants (pensez 9/11), les choix politiques auront des implications importantes et amplifiées (pensez dépenses de défense et internet) rendant les prévisions de plus en plus difficiles. Différents modèles météorologiques et séries de prévisions font des prévisions globales cohérentes et précises sur une période de deux semaines, mais commencent ensuite à diverger en raison de l’effet tristement célèbre « aile de papillon ». Au-delà d’un mois environ, ces prévisions divergent énormément et sont considérées comme presque inutiles. Il en va de même pour les modèles économiques sur de longues périodes.
prenez quelques exemples du monde réel., Investir dans les technologies d’énergie renouvelable pousse leur prix vers le bas en raison de l’expérimentation et de l’apprentissage des erreurs; ce que l’on appelle « l’apprentissage par la pratique”. Ces baisses de prix rendent alors l’investissement de plus en plus attrayant par rapport aux technologies conventionnelles où les gains d’apprentissage ou de mise à l’échelle supplémentaires sont plus faibles. Au fur et à mesure que les coûts diminuent, les investissements augmentent et les ingénieurs apprennent à installer, connecter et réparer la technologie à moindre coût (l’une des raisons pour lesquelles le photovoltaïque solaire est considérablement moins cher en Allemagne qu’aux États-Unis), les institutions de planification sont mises à jour et de nouveaux réseaux sont construits ou transfigurés., Les consommateurs changent de comportement et exigent de l’efficacité, du recyclage et de la piétonnisation.
très rapidement, une région peut passer d’un réseau technologique à un autre car l’apprentissage et l’expérience la rendent plus attrayante que l’opérateur historique. Mais une telle dynamique intrinsèquement bipolaire dépendante du chemin est difficile-sinon impossible-à modéliser. Les villes planifiées sur un modèle de développement dense avec des transports publics intégrés deviennent beaucoup d’ordres de grandeur moins gourmands en ressources que les villes basées sur un modèle de voiture tentaculaire, malgré les mêmes niveaux de revenus., Une fois construits, ils sont difficiles à changer rétrospectivement à mesure que les comportements et les infrastructures deviennent verrouillés. Les circonscriptions font pression pour une baisse des prix de l’essence et plus de voies autoroutières dans la ville tentaculaire et les pistes cyclables, les transports en commun et la congestion dans la dense et efficace. Les décisions prises par les planificateurs en Chine, en Inde et ailleurs contribueront grandement à déterminer l’efficacité et la sécurité des ressources de leurs économies dans leur ensemble. Ils créent également de nouveaux marchés importants qui stimulent les innovateurs et les investisseurs à travers le monde.,
Mais rien de tout cela n’est incorporé dans les modèles standard car l’interaction complète d’un système endogène est diablement complexe à répliquer et toute erreur se propage à travers le modèle comme une maladie maligne. La modélisation nécessite donc une abstraction. Toutes les variables ne peuvent pas être incluses et tous les processus causaux ne peuvent pas être simulés. Mais l’Abstraction est correcte jusqu’à ce que vous abstrayez des propriétés clés du système, puis prétendez prévoir ce système dans son ensemble., Dans la plupart des modèles, l’innovation qui stimule les perspectives économiques à long terme est supposée se produire et des caractéristiques clés du capitalisme telles que la tendance à l’oligopole sont supposées disparaître au profit de l’hypothèse plus traçable de la concurrence.
L’erreur de Malthus a été de prendre la structure de l’économie mondiale comme donnée. Son modèle supposait que les technologies et les processus resteraient inchangés, de sorte que le monde manquerait de ressources face à la croissance de la population et de la demande. En fait, chaque bouche humaine supplémentaire est venue avec un cerveau humain., Et c’est l’innovation humaine qui a permis aux rendements agricoles d’exploser et à l’industrialisation d’offrir un éventail sans précédent de possibilités aux consommateurs. La modélisation de l’innovation nécessite de comprendre les conséquences imprévues qui résultent des déversements de connaissances d’un secteur à l’autre. Mariana Mazzucatto raconte comment presque toutes les technologies radicales derrière l’iPhone ont été financées par le gouvernement, principalement par le biais de Fonds de recherche pour la défense: internet, GPS, Écran tactile et même le nouvel assistant personnel Siri à commande vocale ., Ces dynamiques sous-jacentes sont connues et prévisibles en tant que processus, mais pas en termes de résultats spécifiques. Par conséquent, presque tous les modèles abstraient ces relations clés.
Il y a aussi un certain nombre de dynamiques comportementales à prendre en compte. Par exemple, l’action collective mondiale est soumise au jeu où les gains de l’action individuelle de l’agent (pays, régions, entreprises) dépendent de la façon dont les autres agissent. Si suffisamment de joueurs agissent, une masse critique ou un « ensemble de basculement » est atteint là où il est payant d’agir également., Par exemple, il peut être payant pour une entreprise ou une économie de retarder le coût d’un investissement économe en ressources, mais à mesure que d’autres investissent, il peut avoir de plus en plus de mal à vendre sur de nouveaux marchés où les normes d’efficacité s’améliorent (comme ce fut le cas avec les constructeurs automobiles américains). De telles dynamiques peuvent être modélisées, mais sont difficiles à intégrer dans les modèles intégrés existants. Qui aurait pu modéliser de manière déterministe l’ouverture du commerce mondial dans la seconde moitié du siècle dernier? Pourtant, ces dynamiques sous-jacentes sont connues et prévisibles et ce sont finalement elles qui façonneront le monde.,
Les avantages potentiels d’une politique qui oriente le changement structurel finiront par réduire les coûts de distorsion de la première série associés à une taxe sur le carbone ici, ou à une nouvelle norme d’efficacité là-bas. Comme dans le cas des dépenses de défense, un effort concerté visant à promouvoir le développement vert R&D aura probablement des impacts multipliés sur l’innovation dans l’ensemble de l’économie., Cela signifie que pour les décideurs politiques, planifier une économie compétitive et économe en ressources adaptée à un XXIe siècle difficile pourrait faire une priorité plus importante que de déterminer le coût à court terme d’un ensemble d’énergies renouvelables, bien que cela soit pertinent. Pourtant, les modèles se concentrent presque exclusivement sur des questions étroites de ce dernier type, simplement parce qu’ils le peuvent, générant un ensemble de coûts pour chaque action, avec peu de compréhension de tous les avantages potentiels., La prédisposition qui en résulte à reporter l’action court-circuite les questions les plus pertinentes de la manière dont les changements structurels peuvent être apportés d’une manière transparente et favorable au marché; une manière qui favorise la concurrence et la croissance et limite les possibilités de recherche de rente par les intérêts acquis.
cela signifie-t-il que nous devrions abandonner les modèles économiques? Absolument pas. Nous devrions encore essayer d’estimer et de modéliser les processus complexes connus. Les modèles sont des outils essentiels pour nous aider à formuler, examiner et comprendre les relations interactives., Pourtant, alors que les modèles économiques intégrés appliqués à long terme ont produit des informations précieuses, ils n’ont jamais été conçus pour servir d’estimations des impacts totaux de choses comme les politiques visant à réduire les émissions et à améliorer l’efficacité des ressources. Les systèmes endogènes entièrement intégrés rendent la modélisation de longues périodes très difficile car même de petites erreurs persistent et explosent et modifient les résultats du modèle comme une maladie maligne. Les modèles tentent de contourner ce problème en supposant que les parties clés de cette histoire sont prédéterminées, mais cela ne les rend pas plus réalistes., Ce qu’il faut, c’est une théorie cohérente derrière les processus à long terme de changement systémique et ceux-ci sont mieux modélisés séparément, et non dans le cadre d’un modèle entièrement intégré qui donne de fausses notions de déterminisme et de précision. Les modèles ne sont pas toute l’histoire; ils ne sont que des phrases de soutien à l’histoire et doivent être compris et traités comme tels. Dans un système suffisamment complexe, il peut en fait être plus facile de conduire le changement que de le prédire.
Dimitri Zenghelis est Co-responsable politique à L’Institut de recherche Grantham au LSE et était auparavant responsable des prévisions économiques à HM Treasury., Cet article a été initialement publié dans Business Green le 18 septembre 2013.